Anàlisi de sensibilitat augmentada amb aprenentatge automàtic per a la causalitat
L'anàlisi de sensibilitat augmentada amb aprenentatge automàtic (ML) combina estimadors flexibles de ML amb comprovacions formals de robustesa per avaluar quant confoniment no mesurat es requeriria per a revertir una troballa causal. Arrelat en el marc de ML doble/desbiaixat de Chernozhukov et al. i les eines de sensibilitat de biaix per variable omesa de Cinelli i Hazlett, proporciona tant un ajust de covariables d'alta dimensionalitat com una comunicació transparent de la incertesaRemaining sobre confonders no observats.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/ca/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Diferència en Diferències (Diff-in-Diff)Econometria↔ compare
- Mètode de Variables Instrumentals (IV) per a la Inferència CausalEconomia de la salut↔ compare
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compare
- Disseny de Regressió per Discontinuïtat (RDD)Inferència causal↔ compare
- Mètode del Control Sintètic (SCM)Inferència causal↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →